线性回归模型中 MAPE 的解释？答案

【问题标题】：Interpretation of MAPE in Linear Regression model?线性回归模型中 MAPE 的解释？
【发布时间】：2021-06-12 04:17:46
【问题描述】：

我在 Python 中做了一个线性回归。我按如下方式计算了 MAPE，得到的值为 0.052：

mean_absolute_percentage_error(y_test, pred_test)

这是否意味着我的平均百分比误差为 0.052% 或 5.2% ？

【问题讨论】：

你用什么代码来得到那个 MAPE？
mean_absolute_percentage_error(y_test, pred_test)
这是 scikit-learn 吗？如果是这样，你有没有看文档.. scikit-learn.org/stable/modules/generated/… 它说明了一切

标签： python scikit-learn linear-regression

【解决方案1】：

在您的情况下，这意味着 5.2%。你可以很容易地对此进行测试，例如，如果我们的预测是 80% 的真值，那么误差将是 20%，你可以看到你得到 0.2：

from sklearn.metrics import mean_absolute_percentage_error
y_true = [3.3, 1.5, 2.1, 7.2]
y_pred = [0.8*i for i in y_true]

mean_absolute_percentage_error(y_true, y_pred)
Out[9]: 0.19999999999999996

【讨论】：